Open DeepTecher opened 5 years ago
Semantic Label Reduction Techniques for Autonomous Driving 日期：2019-02-11 团队：奥迪深度学习相关子公司AEV(Audi Electronics Venture)、慕尼黑工业大学以及加州Artisense公司
摘要： 语义分割图可以用作用于操纵汽车控制的模型的输入。 但是，并非所有标签都是对控制决策制定是必需的。 与植被或建筑物的标签（这些标签可能不会对汽车的驾驶决策产生直接影响）相比，某些标签（如道路或人行道）将更为关键。 在本文中，我们评估和量化了不同语义标签对控制汽车的敏感性和重要性。文中，将不影响驾驶决策的标签重新映射到其他类别，将标签减少到仅对驾驶车辆至关重要的标签，从而简化任务。
（编者注，该团队同日另外一篇论文为：Towards Self-Supervised High Level Sensor Fusion，主要介绍了多传感器融合的方法。对应的issue在AutonomousVehiclePaper/issues/3）
Semantic Label Reduction Techniques for Autonomous Driving 日期：2019-02-11 团队：奥迪深度学习相关子公司AEV(Audi Electronics Venture)、慕尼黑工业大学以及加州Artisense公司
摘要： 语义分割图可以用作用于操纵汽车控制的模型的输入。 但是，并非所有标签都是对控制决策制定是必需的。 与植被或建筑物的标签（这些标签可能不会对汽车的驾驶决策产生直接影响）相比，某些标签（如道路或人行道）将更为关键。 在本文中，我们评估和量化了不同语义标签对控制汽车的敏感性和重要性。文中，将不影响驾驶决策的标签重新映射到其他类别，将标签减少到仅对驾驶车辆至关重要的标签，从而简化任务。
（编者注，该团队同日另外一篇论文为：Towards Self-Supervised High Level Sensor Fusion，主要介绍了多传感器融合的方法。对应的issue在AutonomousVehiclePaper/issues/3）